我想知道当我们知道真正的排名是什么以及决定排名的变量时，比较（可能排名）的最佳方法是什么。

假设这是某个列表的前 10 名，我们知道排名，也知道获得排名的变量（Votes）。

真实排名：

                     Player Votes
1           Ablett, Gary GC    28
528        Selwood, Joel GE    27
588           Swan, Dane CW    26
301       Johnson, Steve GE    25
120 Dangerfield, Patrick AD    22
236       Hannebery, Dan SY    21
464    Pendlebury, Scott CW    21
502        Rockliff, Tom BL    21
102       Cotchin, Trent RI    19
285         Jack, Kieren SY    19

现在，假设我有两个列表，由模型 A 和 B 生成。这些模型已经在一组独立的数据上进行了训练，以预测每个玩家在新数据集上获得的票数（与真实排名相关联） .

A型输出：

1        Ablett, Gary GC    41
528     Selwood, Joel GE    30
588        Swan, Dane CW    29
211     Griffen, Ryan WB    28
464 Pendlebury, Scott CW    24
502     Rockliff, Tom BL    24
641      Watson, Jobe ES    23
301    Johnson, Steve GE    22
102    Cotchin, Trent RI    21
180      Fyfe, Nathan FR    21

B型输出：

1           Ablett, Gary GC 29.34127
588           Swan, Dane CW 25.49142
211        Griffen, Ryan WB 22.50983
464    Pendlebury, Scott CW 19.84517
528        Selwood, Joel GE 18.32023
120 Dangerfield, Patrick AD 16.94963
301       Johnson, Steve GE 16.05056
641         Watson, Jobe ES 15.73885
416      Montagna, Leigh SK 15.35478
339      Liberatore, Tom WB 14.50770

确定模型 A 或 B 的输出是否更接近真相的最佳指标或损失函数是什么？我不确定是比较排名更好，还是比较列表之间每个玩家的投票差异更好。有没有最佳的方法呢？还是取决于人们如何选择称重？

在这种情况下，个人在列表中的位置可能比获得的票数更重要，但我想这些信息仍然可以以某种方式使用。我担心的一个问题是，随着您进入“真实名单”，个人之间的投票关系数量会急剧增加。在这种情况下，我想简单地对前 20 或 50 个排名条目进行比较可能会有所帮助。此外，列表越靠后，正确排名就越不重要。例如，位置 1 和位置 2 的项目交换很重要，但交换位置 15 和 16 基本上无关紧要。

我熟悉等级相关方法，但这里有其他更合适的度量吗？这里提到的措施对解决这个问题有用吗？

干杯。